文章核心观点 - 以智能体（Agentic AI）和强化学习为代表的下一代AI应用范式，正引发数据中心架构的根本性变革，导致对中央处理器（CPU）的需求激增，并可能重塑CPU市场的竞争格局[3][4][6][7][10][11] AI应用范式转变驱动CPU需求 - 早期AI应用（如ChatGPT）以问答为主，计算瓶颈在图形处理器（GPU），CPU仅负责数据调度，一个CPU可服务8-12个GPU[4] - 智能体AI需要执行复杂任务（如规划旅行），涉及调用API、查询数据库、协调任务等，这些“跑腿”工作主要由CPU承担[5] - 在智能体任务中，CPU侧处理时间可占整个流程的50%到90%，瓶颈从GPU计算能力转向CPU协调能力[6] - 强化学习训练模型需要CPU构建“环境”来执行和评估模型生成的动作（如编译代码、物理模拟），进一步推高CPU需求[10] 数据中心硬件配置重构 - 数据中心为支持智能体应用，CPU核心配置需求大幅增长，例如从3000万个核心增至1.2亿个，增长4倍[7] - 功率配比发生变化：微软为OpenAI建设的“Fairwater”数据中心中，GPU与CPU的功率配比为295MW:48MW，即每6瓦GPU功率需1瓦CPU功率支撑，远高于传统AI训练场景的20:1或更高比例[7] - 英伟达最新的Rubin架构中，CPU与GPU的配比从1:12变为1:2，甚至出现2:1的配置，预示未来AI服务器中CPU数量可能超过GPU[7] CPU技术路线与产品分化 - CPU需求增长不仅体现在数量，也体现在类型分化[8] - 管家型CPU：专为服务GPU设计，要求高性能、大缓存、高带宽，以确保GPU数据供给，通常1个CPU配2-4个GPU，代表产品有英伟达Vera CPU和AMD Venice[9] - 干活型CPU：专为运行智能体协调任务设计，要求核心数多、功耗低、吞吐量大，对单核性能要求不高，代表产品有AWS Graviton和微软Cobalt[9] - 服务于用户的智能体任务（后者）需求增长快于用于模型训练的前者[9] 市场竞争格局变化 - AMD：势头迅猛，其EPYC处理器在数据中心市场占优，并拥有完整GPU产品线（MI300、MI450），可进行CPU、GPU、网络芯片的全栈优化，计划推出整合的Helios机架系统[11] - Intel：拥有企业客户基础，AI数据中心需求爆发为其提供机会[11] - Arm：推出针对智能体优化的AGI处理器，宣称能效比是传统CPU的两倍，已获Meta测试，并与联想合作[11] - Arm面临的挑战：1) 从架构授权转向自研芯片量产，面临良率、供应链等挑战；2) 与使用其架构的客户（如Ampere、AWS、微软）形成竞争；3) 面临AMD和Intel推出功耗优化版CPU的对标竞争，短期内（2-3年）难撼动市场格局[12] - 国内市场：当前国内AI服务器（8卡机）主要采用AMD/Intel的CPU，此轮CPU紧缺为国产CPU提供了发展机会[12]